一、技术原理与核心特性
1.超声波传感器
（1）原理：利用20kHz以上机械波的反射时间差（ToF）测距，典型工作频率40-58kHz。
（2）核心特性：
- 非接触式测量，抗电磁干扰（高频信号特性）；
- 测量距离短（通常0.1-5米），精度±1cm（短距）；
- 受温湿度影响显著（声速与温度关系：v=331.4+0.6t）；（摄氏温标(t)与绝对温标(T)的关系为 T=t+273.15）
2.毫米波雷达
（1）原理：发射30-300GHz电磁波（波长1-10mm），通过多普勒效应和ToF计算目标速度/距离。
（2）核心特性：
- 全天候工作（穿透雨雾能力优于激光雷达）；
- 探测距离50-250米（77GHz长距雷达），速度精度±0.1km/h；
- 4D成像技术实现0.1°角分辨率（2025年主流）；
3.激光雷达
（1）原理：发射激光脉冲（905nm/1550nm波长），通过反射信号生成3D点云。
（2）核心特性：
- 超高分辨率（0.03°垂直角分辨率，ROI区域）；
- 测距范围200-600米（1550nm波长更优）；
- 点频达288万点/秒（速腾聚创EMX）；
---
激光雷达的扫描距离与反射率直接相关，反射率越高，探测距离越远。反射率指物体表面将激光束反射回传感器的能力，数值越高（如白色墙面，90%），回波信号越强，设备在更远距离也能稳定识别；反之，低反射率表面（如黑色沥青，10%）吸收光能，导致探测距离显著缩短。
例如，同一款激光雷达在10%反射率条件下最远探测距离为 150米，而在90%反射率条件下可延伸至 250米以上。因此，厂商通常以10%反射率作为标准测试条件，因其更接近真实道路环境（如混凝土、植被）的平均反射水平，具备更强的参考价值。
二、性能参数对比
参数 | 超声波 | 毫米波雷达 | 激光雷达 |
测距范围 | 0.1-5米 | 0.1-250米 | 0.3-600米 |
测距精度 | ±1cm（短距） | ±1cm（短距） | ±2cm |
角分辨率 | 无方向性 | 0.1°（4D成像雷达） | 0.03°（高端型号） |
工作频率 | 40-58kHz | 24/77/79GHz | 905/1550nm |
环境适应性 | 易受温湿度影响 | 全天候（雨雾穿透强） | 雨雾性能下降50% |
响应速度 | 毫秒级 | 微秒级 | 纳秒级 |
多目标追踪 | 不支持 | 256个目标 | 128个动态目标 |
三、优缺点分析
1.超声波传感器
（1）优点：
- 成本最低（单颗<10美元）；
- 体积小，适合嵌入式安装（如自动泊车模块）；
（2）缺点：
- 无法识别物体形状，仅提供距离信息；
- 高速场景失效（>30km/h）；
2.毫米波雷达
（1）优点：
- 平衡成本与性能（L2级ADAS方案约2600元）；
- 隐私保护（不采集图像数据）；
（2）缺点：
- 金属物体易产生误报；
- 垂直分辨率不足（传统雷达无高度信息）；
3.激光雷达
（1）优点：
- 厘米级3D建模能力（自动驾驶核心传感器）；
- 远距离高精度（华为192线雷达250米测距）；
（2）缺点：
- 成本高；
- 极端天气性能下降（暴雨中穿透力降低70%）；
四、应用场景与典型案例
1.超声波：
主要应用于停车等低速场景，如倒车雷达和自动泊车系统（APA）。在停车场或拥堵路段等低速环境中，车辆需要对周边近距离的障碍物，如墙壁、行人、坑洼等进行检测，以确保车辆安全停靠或缓慢行驶。超声波雷达的低成本和短距离探测能力正好满足这些场景的需求，能够为驾驶员提供及时的障碍物提醒。
2.毫米波雷达：
广泛应用于ADAS系统（如 ACC 自适应巡航、盲点监测、自动紧急制动 AEB）以及高速场景。在高速公路上，车辆需要保持与前车的安全距离并实时监测前车速度，毫米波雷达的中长距离探测能力和全天候工作特性使其能够胜任这一任务。在恶劣天气条件下，如雾天、雨天，毫米波雷达依然能够稳定工作，为车辆的自动驾驶功能提供可靠的环境感知数据，保障行车安全。
3.激光雷达：
是 L3 及以上高阶自动驾驶的 “标配” 部件。在高阶自动驾驶中，车辆需要对周围环境进行高精度的三维建模，准确识别和分类各种障碍物，激光雷达的高精度和丰富信息获取能力使其成为理想选择。例如在 Robotaxi、L4 级自动驾驶车辆中，激光雷达用于环境感知，构建高精度地图，以应对城市道路、高速公路等复杂路况。此外，在一些对环境感知精度要求极高的特定场景，如物流园区的无人配送车辆、矿区的自动驾驶作业车辆等，激光雷达也发挥着重要作用。
五、电磁波的波谱与性质
